Zeitreihenvorhersage für predictive maintenance

Predictive maintenance (dt. vorausschauende Wartung) bezeichnet die Vorhersage von Fehlern und Defekten von Hardware-Komponenten bevor diese Fehler eintreten. Dies kann dazu genutzt werden, um frühzeitig Ersatzteile zu besorgen und größere Folgefehler zu vermeiden.

Machine learning Algorithmen haben ein großes Potential in diesem Themenkomplex, da machine learning genutzt werden kann, um Strukturen in Wartungsdaten zu entdecken und auf diese Art eine Wartungsdatenzeitreihe vorherzusagen. So können bevorstehende Fehler früher erkannt werden, indem etablierte physikalische Begründungen für Defekte genutzt werden. An dieser Stelle besteht Verbesserungspotential, indem sich nicht nur auf bekannte Begründungen beschränkt wird und auch die Fehlerdetektion selbst mttels machine learning Verfahren durchgeführt.

Das Ziel dieser Arbeit ist zu untersuchen, wie machine learning basierte Algorithmen zur Zeitreihenvorhersage ggf. kombiniert mit anderen Verfahren genutzt werden können, um Defekte vorherzusagen.

Voraussetzungen

  • Sehr gute Kenntnisse in Analysis, linearer Algebra und Optimierung
  • Interesse an und Erfahrungen mit maschinellem Lernen
  • Gute Programmierkenntnisse (idealerweise Python)

Literatur

  • Fernandes, M., Canito, A., Corchado, J. M., & Marreiros, G. (2019, June). Fault detection mechanism of a predictive maintenance system based on autoregressive integrated moving average models. In International Symposium on Distributed Computing and Artificial Intelligence (pp. 171-180). Springer, Cham.
  • Kanawaday, A., & Sane, A. (2017, November). Machine learning for predictive maintenance of industrial machines using IoT sensor data. In 2017 8th IEEE International Conference on Software Engineering and Service Science (ICSESS) (pp. 87-90). IEEE.
  • Yang, H., Pan, Z., Tao, Q., & Qiu, J. (2018). Online learning for vector autoregressive moving-average time series prediction. Neurocomputing, 315, 9-17.